近年来煤炭工业安全生产备受瞩目，选煤作为其中必不可少的环节，安全事故时有发生。本文主要在选煤厂现有的视频监控系统的基础上，加入智能元素，将其升级为智能监控系统，能够自主的进行运动人体检测及跟踪，异常情况报警等。本文的主要工作如下：（1）运动目标检测。对视频帧进行图像噪声处理，通过基于混合高斯模型的背景减除法进行运动目标的检测，根据人体身高比例进行粗略的目标分割。（2）基于HOG和6-LBP结合的方法进行人体特征提取。文中对基于局部目标外观及轮廓的边缘梯度特征HOG和基于图像局部区域的颜色和纹理特征LBP两种特征提取方法进行系统介绍与运用。在传统的LBP方法基础上提出了-LBP特征提取方法，其去除部分冗余信息进而保留更多人体边缘轮廓信息。最后，通过PCA的方法对人体特征进行降维。实验表明基于HOG和6-LBP结合的特征对人体有较好的表征效果。（3）基于稀疏表示的人体分类器设计。考虑稀疏表示理论具有判别性，能选择出有效的子集，拒绝无效子集。本文基于1最小化的稀疏解的稀疏表示方法进行人体的分类器设计。通过实验表明，基于稀疏表示的人体分类器在低维特征时比支持向量机的人体分类器更优，尤其当有遮挡存在时对人体的分类达到满意效果。（4）采用CamShift与Kalman预测相结合进行运动人体跟踪。CamShift算法是基于Mean Shift算法的改进，其具有计算简单、鲁棒性强等优点。利用Kalman滤波器对人体运动参数进行预测，以克服背景干扰及遮挡问题造成的跟踪丢失。实验表明对目标进行Kalman预测后的CamShift跟踪算法速度快，跟踪准确。（5）设计与实现选煤厂智能监控系统。将系统分为四个子模块：系统管理子模块、信息处理子模块、信息存储子模块、用户交互子模块。本系统是在.Net平台下，采用C#语言、EmguCV视觉类库以及SQLServer数据库进行实现。